加速中风的诊治——AI来的比例非常大，所以深度学习的运用将帮助医生更快地诊断和治疗中风患者。研究人员的目标是尽可能缩短诊断时间，因为早期治疗这种阻塞至关重要。研究负责人MatthewStib是位于罗得岛普罗维登斯的布朗大学沃伦艾伯特医学院放射科的住院医师。“对于这种对时间非常敏感的诊断，分钟数很重要。我们每减少一分钟（治疗）时间，就会为患者的无残疾生活增加一周，”他说。CT血管造影扫描是检测这些阻塞的标准方法，可以在几分钟内完成。但通常只有那些经过培训的放射科医生才能识别出现的阻塞，当医院很忙或没有常驻专家时，可能会浪费宝贵的时间。为了减少治疗这些患者所需的时间，Stib及其同事与布朗大学计算机科学系合作开发了一种开源深度学习算法系统，该系统可以评估CT图像并识别大血管阻塞。研究人员首先用数百张疑似中风患者的CT图像对系统进行训练，然后对62名患者进行测试模拟，以查看该系统是否能够正确识别动脉阻塞患者。笔尖在CT血管造影中显示出冠状动脉的形状（图：Getty）据了解，他们还同时使用了单期和多期CT血管造影技术，以确定哪种技术结合了深部学习系统可以提供更好的结果。好结果。多相CT血管造影在扫描过程中捕获多个时间点的图像，因此比单相CT血管造影提供更详细的图像，单相CT血管造影仅捕获一个时间点。在分析单相图像时，上述深度学习系统在识别大血管闭塞方面仅适度准确。但是，当使用多相图像时，准确度显着提高，100%成功识别阻塞，尽管阴性对照组中的几人（31名患者中的7名）也被错误地归类为有阻塞。“这些结果非常好，”Stib说。“我们真的很想优化模型的灵敏度，以确保我们能够找到每一位阳性患者，因为漏掉一个会带来非常可怕的后果。”他指出，在评估CT血管造影图像之前也使用了深度学习，但这是第一次使用深度学习系统评估多相CT图像。据他所知，这次使用的算法也是首次开源，这意味着其他研究人员也可以根据需要使用和开发这个系统。未来，研究团队计划进一步验证该系统。他们将在自己的医院对其进行测试，看看该系统在紧急情况下使用时是否能达到相同的准确度，并且患者人数较多。如果能够保持系统的准确性，系统可以扩展到其他医院和诊所，以帮助快速诊断疑似中风患者。Stib解释说：“该算法并没有取代放射科医师的功能，它只是试图加快诊断时间……如果放射科医师不在身边或工作量过大，就无法及时处理患者的检查结果，然后会有警报。它表明可能存在阻塞，应该有人跟进。”他说，“我认为未来的放射科医生需要接受这项新技术，并认识到这项新技术在效率和准确性方面的潜在附加值。”
